Introducción a Data Science

Universidad Católica del Norte

Segundo semestre del 2020

Para ver los notebooks como presentaciones ir al siguiente link.

Laboratorio01_IntroPython-alumno.ipynb: Plantilla del laboratorio.
Laboratorio01_IntroPython_alumno-final.ipynb: Laboratorio con todos los ejercicios resueltos.

Laboratorio02-alumno.ipynb: Plantilla del laboratorio.
Laboratorio02-profesor-sinsol.ipynb: Laboratorio con todos los ejercicios. Sin solución a ejercicios propuestos.

Laboratorio03.ipynb: Laboratorio de teoría de grafos. Con solución.
Laboratorio03-color-node.ipynb: Laboratorio de teoría de grafos. Con solución y problema para pintar los diez primeros nodos de verde y el resto de rojo resuelto.

laboratorio04_RegresionLineal_Repaso_Alumno-sin.ipynb: Laboratorios de regresión lineal con base código para trabajar en l ahora de clases.

modelos_no_lineales-alumno.ipynb: Clase de modelos lineales y modelos no lineales. Regularización.
Laboratorio05-clasificacion-lineal-no-lineal.ipynb: Laboratorio de clasificación lineal y no lineal para la estimación de la emoción sobre textos. Se analiza la base de datos de Cornell Natural Language Processing Group que contiene 2000 documentos. La mitad de los documentos contienen reseñas positivas sobre una película, mientras que la otra mitad contiene reseñas negativas.

Intro-probabilidades.ipynb: Clase de introducción a las probabilidades.
Laboratorio06-Incertidumbre.ipynb: Se desea reconocer si una cara pertenece a un hombre o una mujer dada una imagen de una cara. La implementación del clasificador se debe realizar utilizando el material de probabilidades visto en clases.

RedesNeuronales.ipynb: Laboratorio completo de redes neuronales con una tarea.
piel-ucn.jpeg: Imagen de prueba.
Skin_NonSkin.txt: Base de datos de pixeles RGB y etiqueta de piel y no piel.

Name		Name	Last commit message	Last commit date
Latest commit History 56 Commits
data		data
images		images
8.PCA-Principal-Component-Analysis.ipynb		8.PCA-Principal-Component-Analysis.ipynb
Aprendinzaje-no-supervisado.ipynb		Aprendinzaje-no-supervisado.ipynb
Intro-probabilidades.ipynb		Intro-probabilidades.ipynb
Laboratorio01_IntroPython-alumno.ipynb		Laboratorio01_IntroPython-alumno.ipynb
Laboratorio01_IntroPython_alumno-final.ipynb		Laboratorio01_IntroPython_alumno-final.ipynb
Laboratorio02_alumno.ipynb		Laboratorio02_alumno.ipynb
Laboratorio02_profesor-sinsol.ipynb		Laboratorio02_profesor-sinsol.ipynb
Laboratorio03-color-node.ipynb		Laboratorio03-color-node.ipynb
Laboratorio03.ipynb		Laboratorio03.ipynb
Laboratorio05-clasificacion-lineal-no-lineal.ipynb		Laboratorio05-clasificacion-lineal-no-lineal.ipynb
Laboratorio06-Incertidumbre.ipynb		Laboratorio06-Incertidumbre.ipynb
README.md		README.md
RedesNeuronales.ipynb		RedesNeuronales.ipynb
Skin_NonSkin.txt		Skin_NonSkin.txt
laboratorio04_RegresionLineal_Repaso_Alumno-sin.ipynb		laboratorio04_RegresionLineal_Repaso_Alumno-sin.ipynb
modelos_no_lineales-alumno.ipynb		modelos_no_lineales-alumno.ipynb
modelos_no_lineales-alumno2.ipynb		modelos_no_lineales-alumno2.ipynb
piel-ucn.jpeg		piel-ucn.jpeg
prueba03-final.ipynb		prueba03-final.ipynb
requirements.txt		requirements.txt
temp_demand.csv		temp_demand.csv